基于改进CycleGAN的道路场景语义分割研究

摘要：

道路场景下的语义分割是无人驾驶中关键的技术,也是计算机视觉中重要的一个领域,而传统的语义分割方法需要对训练数据进行像素级的标注,对数据的要求极高.针对这一问题,将改进的循环生成对抗网络(cycle-consistent adversarial networks,CycleGAN)用于道路场景语义分割,该网络避免了大量的像素级标注且不需要成对的数据集,降低了数据集的要求.将原网络的目标函数用最小二乘损失和Smooth L1范数替代,增加了网络训练的稳定性且提高了生成图像的质量,并引入特征损失保证图像特征的保留,使得生成图像更加真实.使用道路场景分割中常用的Cityscapes数据集进行实验,并用语义分割领域常用的性能评价指标验证了方法的有效性,实验结果表明相较于原网络各性能都有一定提升.

关键词：语义分割、循环生成对抗网络、损失函数、图像生成

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：四川省重大科技专项课题2019ZDZX0019

在线出版日期：2022-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：278-284